风格迁移模型的实现例子，有兴趣的可以看看，虽然只是个简单的例子，但对初学者还是比较友好的

基于卷积神经网络的风格迁移算法，模型使用VGG-19，实验环境：Tensorflow2.0,python3.6,支持GPU加速

1、前言     风格迁移的也是深度学习中的一个小的计算机视觉任务。目的是将A图像的风格迁移到B图像。     风格的定义在在深度学习中可以认为是一些底层的特征。比如纹理特征等。 2、代码     像我这样懒的孩子不喜欢训练一个模型的话，可以使用一下现成的模型，同时opencv提供了这些模型的接口，我们直接用来玩就好了，毕竟我们的目的非常单纯（泡妹子or泡汉子）。 import cv2 import time import os def style_transfer(pathIn='',model='',width=None): ''' pathIn: 原始图片的路径

图像处理课程上老师布置的作业，图像重绘最先由俄罗斯人由神经网络的方法得到，但也可以用频域来计算，结果仍需修正

本资源为实验四：深度学习图像生成（Part one：图像风格迁移）文章对应模型及图像。

OpenCV图像风格迁移所用模板-Candy 使用方法： import cv2 image_file = 'xxx.jpg' #目标文件 model = 'Candy.t7' #模板文件 net = cv2.dnn.readNetFromTorch('models/' + model) image = cv2.imread('images/' + image_file) (h, w) = image.shape[:2] blob = cv2.dnn.blobFromImage(image, 1.0, (w, h), (103.939, 116.779, 123.680), swapRB=False, crop=False) net.setInput(blob) out = net.forward() out = out.reshape(3, out.shape[2], out.shape[3]) out[0] += 103.939 out[1] += 116.779 out[2] += 123.68 out /= 255 out = out.transpose(1, 2, 0) cv2.imshow('Image', out) out *= 255.0 cv2.imwrite('output-' + model + '_' + image_file, out) #输出文件 cv2.waitKey(0) cv2.destroyAllWindows() 该程序可以将Candy.t7模板的风格迁移到xxx.jpg中

pytorch深度学习实现的图片风格迁移系统，含结果、工程文件、jupyter文件、redeme说明，个人课设作品分享，原创，项目完整

Men_A_Common_Framework_CVPR_2018_paper.pdf

cyclegan 手写汉字生成 Handwritten-CycleGAN-master.zip

此项目使用Python2.7+TensorFlow 1.4编写，环境太过古老，可能无法正常运行起来。 如有需要，请移步我使用Python 3.7 + TensorFlow 2.0重写的版本： 使用VGG19迁移学习实现图像风格迁移 这是一个使用预训练的VGG19网络完成图片风格迁移的项目，使用的语言为python，框架为tensorflow。 给定一张风格图片A和内容图片B，能够生成具备A图片风格和B图片内容的图片C。 下面给出两个示例，风格图片都使用梵高的星夜： 示例1： 网络上找到的一张风景图片。 内容图片： 生成图片： 示例2： 嗷嗷嗷，狼人嚎叫～ 内容图片： 生成图片： 更多详情请移步博客 快速开始 1.下载预训练的vgg网络，并放入到项目的根目录中 模型有500M+，故没有放到GitHub上，有需要请自行下载。 下载地址： 2.选定风格图片和内容图片，放入项目根目录下的image